基于神經(jīng)網(wǎng)絡切片的高精度3D打印系統(tǒng)

來源： EFL生物3D打印與生物制造

光散射的嚴重影響著微結(jié)構(gòu)的打印,，其會導致各種不必要的聚合，從而導致細小結(jié)構(gòu)無法打印,，降低打印機的實際分辨率,。而現(xiàn)有解決辦法或是使用具有更高分辨率的打印機，或是進行曝光時間與曝光光強的工藝優(yōu)化,，兩者皆需耗費大量的成本與時間,。

為克服這一現(xiàn)狀，來自University of California, San Diego的陳紹琛教授團隊在SPIE會議上發(fā)表了題為“Mitigating scattering effects in DMD-based microscale 3D printing using machine learning”的文章,，提出了一種通過機器學習進行切片圖像灰度值處理,，從而減少散射效應并提高打印精度的3D打印方法。

研究人員首先搭建了投影式光固化打印系統(tǒng),，其與傳統(tǒng)投影式光固化打印系統(tǒng)不同之處在于：傳統(tǒng)投影式光固化打印系統(tǒng)主要通過調(diào)整打印光強與曝光時間進行工藝調(diào)整,，而研究人員則重點針對切片圖像進行處理，他們設計了一種14層全卷積神經(jīng)網(wǎng)絡,，并將不同的灰度圖片與相應打印結(jié)果輸入到神經(jīng)網(wǎng)絡中,，不斷的進行訓練，完成訓練后的神經(jīng)網(wǎng)絡可以依照設計的形狀生成相應的灰度圖像（切片圖像）,，用于抑制散射,，實現(xiàn)高精度的打印。

圖1 3D打印機和打印結(jié)構(gòu)的示意圖,。（a） 基于 DMD 芯片的 3D 打印機,。（b）灰度圖像（切片圖像）輸入到3D打印機中，再由3D打印機輸出結(jié)構(gòu),。神經(jīng)網(wǎng)絡將所設計結(jié)構(gòu)的理論形狀作為輸入,，并輸出灰度圖像（切片圖像）。3D打印機的輸入和輸出用于訓練神經(jīng)網(wǎng)絡,。（c） 訓練灰度圖像（切片圖像）的例子,。（d） 所采用的神經(jīng)網(wǎng)絡的架構(gòu)

接著，研究人員為了評估所設計的借助神經(jīng)網(wǎng)絡進行切片的3D打印系統(tǒng)的性能,，進行了如圖2（a）所示結(jié)構(gòu)的打印,，可以看到，由神經(jīng)網(wǎng)絡生成的切片結(jié)果在模型邊緣部分增加了像素點以提高能量防止欠曝光,，在類孔結(jié)構(gòu)邊緣削減了像素點以降低能量防止過曝光,，符合邏輯,，且使用神經(jīng)網(wǎng)絡生成的切片結(jié)果打印得到的結(jié)構(gòu)也很好的還原了所設計的形狀，展現(xiàn)了研究人員所設計3D打印系統(tǒng)的優(yōu)秀精度,。

圖2 （a）所設計的理論形狀;（b） 神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）;（c）打印得到的結(jié)構(gòu),。（d） 神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）與所設計的理論形狀之間的對比

然后，研究人員比較了神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）與傳統(tǒng)切片方法得到的灰度圖像（切片圖像）,，由打印結(jié)果可以看到,，傳統(tǒng)切片方法存在局限性，無論如何調(diào)整打印參數(shù),，其始終無法很好的還原所設計模型的一些細節(jié),，而使用神經(jīng)網(wǎng)絡進行切片則很好緩解了這一問題，其打印的各類模型都具有較高的精度,。

圖3 使用神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）和使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）的打印結(jié)果,。第一列是所設計的理論形狀,。第二列到第四列是使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）在50%,，75%和100%平均光強下的打印結(jié)果。第五列是使用神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）得到的打印結(jié)果

最后,，研究人員對神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）和使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）的打印結(jié)果進行了定量分析,，他們計算了所有打印結(jié)果的Dice系數(shù)（用于評價兩個集合的相似程度，越接近1越相似）,，可以看到,，傳統(tǒng)切片方法由于無法同時避免欠曝光與過曝光，使得其Dice系數(shù)較低,，而神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）則具有明顯優(yōu)勢,，進一步展現(xiàn)了運用神經(jīng)網(wǎng)絡進行切片的顯著優(yōu)勢。

圖4 使用神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）和使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）的打印結(jié)果,。（a）-（c）是在不同條件下打印結(jié)果的疊加輪廓,。白色輪廓是所設計的理論形狀。紅色輪廓是使用神經(jīng)網(wǎng)絡給出的灰度圖像（切片圖像）得到的打印結(jié)果,。黃色,、綠色和藍色輪廓分別表示使用傳統(tǒng)切片方法得到的灰度圖像（切片圖像）的打印結(jié)果，其平均光強分別為 100%,、75% 和 50%,。（d）-（g） 是 （a） 中虛線框架中的放大視圖。（h） 打印結(jié)果與理論形狀之間的Dice系數(shù)

文章來源：
https://doi.org/10.1117/12.2577129